Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics
Background: Examining characteristics of patients with atrial fibrillation (AF) has the potential to help in identifying groups of patients who might benefit from different management approaches. Methods: Secondary analysis of online survey data was combined with clinic referral data abstraction fro...
| Main Authors: | , , , , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Elsevier
2023-11-01
|
| Series: | CJC Open |
| Online Access: | http://www.sciencedirect.com/science/article/pii/S2589790X23002160 |
| _version_ | 1827763080322351104 |
|---|---|
| author | Kathy L. Rush, PhD, RN Cherisse L. Seaton, PhD Brian P. O’Connor, PhD Jason G. Andrade, MD Peter Loewen, PharmD Kendra Corman, BSc Lindsay Burton, MSc Mindy A. Smith, MD Lana Moroz, NP |
| author_facet | Kathy L. Rush, PhD, RN Cherisse L. Seaton, PhD Brian P. O’Connor, PhD Jason G. Andrade, MD Peter Loewen, PharmD Kendra Corman, BSc Lindsay Burton, MSc Mindy A. Smith, MD Lana Moroz, NP |
| author_sort | Kathy L. Rush, PhD, RN |
| collection | DOAJ |
| description | Background: Examining characteristics of patients with atrial fibrillation (AF) has the potential to help in identifying groups of patients who might benefit from different management approaches. Methods: Secondary analysis of online survey data was combined with clinic referral data abstraction from 196 patients with AF attending an AF specialty clinic. Cluster analyses were performed to identify distinct, homogeneous clusters of AF patients defined by 11 relevant variables: CHA2DS2-VASc score, age, AF symptoms, overall health, mental health, AF knowledge, perceived stress, household and recreation activity, overall AF quality of life, and AF symptom treatment satisfaction. Follow-up analyses examined differences between the cluster groups in additional clinical variables. Results: Evidence emerged for both 2- and 4-cluster solutions. The 2-cluster solution involved a contrast between patients who were doing well on all variables (n = 129; 66%) vs those doing less well (n = 67; 34%). The 4-cluster solution provided a closer-up view of the data, showing that the group doing less well was split into 3 meaningfully different subgroups of patients who were managing in different ways. The final 4 clusters produced were as follows: (i) doing well; (ii) stressed and discontented; (iii) struggling and dissatisfied; and (iv) satisfied and complacent. Conclusions: Patients with AF can be accurately classified into distinct, natural groupings that vary in clinically important ways. Among the patients who were not managing well with AF, we found 3 distinct subgroups of patients who may benefit from tailored approaches to AF management and support. The tailoring of treatment approaches to specific personal and/or behavioural patterns, alongside clinical patterns, holds potential to improve patient outcomes (eg, treatment satisfaction). Résumé: Contexte: L’examen des caractéristiques des patients atteints de fibrillation auriculaire (FA) pourrait permettre de mieux cerner les groupes qui pourraient bénéficier de différentes approches de prise en charge. Méthodologie: Nous avons combiné une analyse secondaire de données issues d’un sondage en ligne et les données issues de l’orientation clinique de 196 patients atteints de FA d’une clinique spécialisée en FA. Des analyses par grappes ont été réalisées pour cerner des groupes homogènes et distincts de patients atteints de FA, définis grâce à 11 variables pertinentes : score CHA2DS2-VASc, âge, symptômes de FA, état de santé général, état de santé mentale, niveau de connaissances sur la FA, niveau de stress perçu, activités récréatives et domestiques, qualité de vie générale avec la FA, et satisfaction concernant le traitement des symptômes de FA. Des ana-lyses ultérieures ont permis de se pencher sur les différences entre les groupes pour d’autres variables cliniques. Résultats: Deux solutions de regroupement des patients sont apparues possibles à l’analyse : en 2 groupes ou en 4 groupes. Le regroupement en 2 groupes mettait en relief le contraste entre les patients qui avaient des résultats favorables pour tous les paramètres (n = 129; 66 %) et ceux qui avaient des résultats moins favorables (n = 67; 34 %). Le regroupement en 4 groupes permettait d’observer les données plus en détail, et démontrait que le groupe avec des résultats moins favorables se subdivisait en 3 sous-groupes avec des distinctions pertinentes, qui vivaient leur maladie de façon différente. Les 4 groupes finaux étaient les suivants : (i) patients avec une expérience positive; (ii) patients vivant du stress et du mécontentement; (iii) patients vivant des difficultés et une insatisfaction; et (iv) patients vivant une satisfaction complaisante. Conclusions: Les patients atteints de FA peuvent être classés avec exactitude dans des groupes naturels distincts dont les différences sont d’intérêt clinique. Parmi les patients chez qui la prise en charge de la FA n’est pas optimale, il existe 3 sous-groupes différents qui pourraient tirer profit d’une approche de soutien et de prise en charge adaptée à leur profil. La personnalisation des approches thérapeutiques selon le type de comportements et de traits de personnalité, en plus du tableau clinique, pourrait permettre d’améliorer les résultats des patients (p. ex. la satisfaction par rapport au traitement). |
| first_indexed | 2024-03-11T10:47:18Z |
| format | Article |
| id | doaj.art-9fedf5661ad846b8a9495884ead2eefc |
| institution | Directory Open Access Journal |
| issn | 2589-790X |
| language | English |
| last_indexed | 2024-03-11T10:47:18Z |
| publishDate | 2023-11-01 |
| publisher | Elsevier |
| record_format | Article |
| series | CJC Open |
| spelling | doaj.art-9fedf5661ad846b8a9495884ead2eefc2023-11-14T04:02:08ZengElsevierCJC Open2589-790X2023-11-01511833845Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient CharacteristicsKathy L. Rush, PhD, RN0Cherisse L. Seaton, PhD1Brian P. O’Connor, PhD2Jason G. Andrade, MD3Peter Loewen, PharmD4Kendra Corman, BSc5Lindsay Burton, MSc6Mindy A. Smith, MD7Lana Moroz, NP8School of Nursing, University of British Columbia—Okanagan, Kelowna, British Columbia, Canada; Corresponding author: Dr Kathy L. Rush, School of Nursing, University of British Columbia-Okanagan, ART 150 – 1147 Research Road, Kelowna, British Columbia V1V 1V7, Canada. Tel.: +1-250-807-8652.School of Nursing, University of British Columbia—Okanagan, Kelowna, British Columbia, CanadaDepartment of Psychology, University of British Columbia—Okanagan, Kelowna, British Columbia, CanadaCardiac Atrial Fibrillation Specialty Clinic, Vancouver General Hospital, Vancouver, British Columbia, CanadaFaculty of Pharmaceutical Sciences, University of British Columbia—Vancouver, Vancouver, British Columbia, CanadaSchool of Nursing, University of British Columbia—Okanagan, Kelowna, British Columbia, CanadaSchool of Nursing, University of British Columbia—Okanagan, Kelowna, British Columbia, CanadaDepartment of Family Medicine, Michigan State University, East Lansing, Michigan, USACardiac Atrial Fibrillation Specialty Clinic, Vancouver General Hospital, Vancouver, British Columbia, CanadaBackground: Examining characteristics of patients with atrial fibrillation (AF) has the potential to help in identifying groups of patients who might benefit from different management approaches. Methods: Secondary analysis of online survey data was combined with clinic referral data abstraction from 196 patients with AF attending an AF specialty clinic. Cluster analyses were performed to identify distinct, homogeneous clusters of AF patients defined by 11 relevant variables: CHA2DS2-VASc score, age, AF symptoms, overall health, mental health, AF knowledge, perceived stress, household and recreation activity, overall AF quality of life, and AF symptom treatment satisfaction. Follow-up analyses examined differences between the cluster groups in additional clinical variables. Results: Evidence emerged for both 2- and 4-cluster solutions. The 2-cluster solution involved a contrast between patients who were doing well on all variables (n = 129; 66%) vs those doing less well (n = 67; 34%). The 4-cluster solution provided a closer-up view of the data, showing that the group doing less well was split into 3 meaningfully different subgroups of patients who were managing in different ways. The final 4 clusters produced were as follows: (i) doing well; (ii) stressed and discontented; (iii) struggling and dissatisfied; and (iv) satisfied and complacent. Conclusions: Patients with AF can be accurately classified into distinct, natural groupings that vary in clinically important ways. Among the patients who were not managing well with AF, we found 3 distinct subgroups of patients who may benefit from tailored approaches to AF management and support. The tailoring of treatment approaches to specific personal and/or behavioural patterns, alongside clinical patterns, holds potential to improve patient outcomes (eg, treatment satisfaction). Résumé: Contexte: L’examen des caractéristiques des patients atteints de fibrillation auriculaire (FA) pourrait permettre de mieux cerner les groupes qui pourraient bénéficier de différentes approches de prise en charge. Méthodologie: Nous avons combiné une analyse secondaire de données issues d’un sondage en ligne et les données issues de l’orientation clinique de 196 patients atteints de FA d’une clinique spécialisée en FA. Des analyses par grappes ont été réalisées pour cerner des groupes homogènes et distincts de patients atteints de FA, définis grâce à 11 variables pertinentes : score CHA2DS2-VASc, âge, symptômes de FA, état de santé général, état de santé mentale, niveau de connaissances sur la FA, niveau de stress perçu, activités récréatives et domestiques, qualité de vie générale avec la FA, et satisfaction concernant le traitement des symptômes de FA. Des ana-lyses ultérieures ont permis de se pencher sur les différences entre les groupes pour d’autres variables cliniques. Résultats: Deux solutions de regroupement des patients sont apparues possibles à l’analyse : en 2 groupes ou en 4 groupes. Le regroupement en 2 groupes mettait en relief le contraste entre les patients qui avaient des résultats favorables pour tous les paramètres (n = 129; 66 %) et ceux qui avaient des résultats moins favorables (n = 67; 34 %). Le regroupement en 4 groupes permettait d’observer les données plus en détail, et démontrait que le groupe avec des résultats moins favorables se subdivisait en 3 sous-groupes avec des distinctions pertinentes, qui vivaient leur maladie de façon différente. Les 4 groupes finaux étaient les suivants : (i) patients avec une expérience positive; (ii) patients vivant du stress et du mécontentement; (iii) patients vivant des difficultés et une insatisfaction; et (iv) patients vivant une satisfaction complaisante. Conclusions: Les patients atteints de FA peuvent être classés avec exactitude dans des groupes naturels distincts dont les différences sont d’intérêt clinique. Parmi les patients chez qui la prise en charge de la FA n’est pas optimale, il existe 3 sous-groupes différents qui pourraient tirer profit d’une approche de soutien et de prise en charge adaptée à leur profil. La personnalisation des approches thérapeutiques selon le type de comportements et de traits de personnalité, en plus du tableau clinique, pourrait permettre d’améliorer les résultats des patients (p. ex. la satisfaction par rapport au traitement).http://www.sciencedirect.com/science/article/pii/S2589790X23002160 |
| spellingShingle | Kathy L. Rush, PhD, RN Cherisse L. Seaton, PhD Brian P. O’Connor, PhD Jason G. Andrade, MD Peter Loewen, PharmD Kendra Corman, BSc Lindsay Burton, MSc Mindy A. Smith, MD Lana Moroz, NP Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics CJC Open |
| title | Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics |
| title_full | Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics |
| title_fullStr | Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics |
| title_full_unstemmed | Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics |
| title_short | Managing With Atrial Fibrillation: An Exploratory Model-Based Cluster Analysis of Clinical and Personal Patient Characteristics |
| title_sort | managing with atrial fibrillation an exploratory model based cluster analysis of clinical and personal patient characteristics |
| url | http://www.sciencedirect.com/science/article/pii/S2589790X23002160 |
| work_keys_str_mv | AT kathylrushphdrn managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT cherisselseatonphd managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT brianpoconnorphd managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT jasongandrademd managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT peterloewenpharmd managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT kendracormanbsc managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT lindsayburtonmsc managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT mindyasmithmd managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics AT lanamoroznp managingwithatrialfibrillationanexploratorymodelbasedclusteranalysisofclinicalandpersonalpatientcharacteristics |